如何使用 C# 的 OCR 從收據中擷取資料

收據和自動化

在如今快節奏的生活中， 收據至關重要。 無論你是購買食品雜貨還是外出用餐，收據都能幫助你追蹤支出並進行預算。 同時，商店使用收據掃描器分析銷售數據，透過數據提取技術幫助他們預測需求和管理庫存。

然而，收據可能難以辨認，計算結果也不總是清晰明了。 手動輸入預算資料既繁瑣又容易出錯，尤其是在專案很多的情況下。 遺失收據可能會讓你的每月超支變成一個謎。 傳統紙質收據經常存在列印品質不佳、油墨褪色和熱敏紙老化等問題，因此OCR 影像優化對於準確提取至關重要。

為了解決這個問題，預算和財務應用程式採用了OCR （光學字元辨識）技術。 透過將收據掃描成數位格式，OCR 可以最大限度地減少錯誤，自動輸入數據​​，追蹤支出，並揭示購買模式。 現代OCR 解決方案可處理各種收據格式，從傳統的銷售點列印輸出到具有條碼和二維碼讀取功能的數位收據。

OCR利用機器學習技術從圖像中辨識和提取文字。 該過程包括影像預處理、字元分割、模式識別和驗證。 然而，OCR 並非完美無缺——模糊或污跡會導致錯誤。 先進系統利用電腦視覺技術來提高準確率。 選擇一個可靠的、能夠高效處理和最佳化讀取的 OCR 庫對於成功實現文件自動化至關重要。

為什麼我應該選擇IronOCR進行收據處理？

IronOCR是一個基於客製化Tesseract OCR 引擎的 C# 函式庫。與標準 Tesseract 不同， IronOCR包含了Tesseract 5 的最佳化和專為.NET開發人員設計的功能。 它之所以脫穎而出，是因為它具備以下特質：

1.跨平台相容性：可與.NET 8、7、6、5 和 Framework 4.6.2+ 搭配使用。 可在 Windows、macOS、Azure 和 Linux 系統上運作。 可無縫部署至Docker 、 AWS Lambda和Azure Functions 。

2.靈活性和可擴展性：支援 JPG、PNG 和 GIF 格式。 與 System.Drawing 物件整合。 處理多頁 TIFF和PDF 串流。 支援 多線程，適用於高吞吐量場景。

3.易用性和支援：文件齊全，API 功能強大，並提供 24/5 支援。 提供簡單的單行操作和詳細的配置選項。 包含全面的故障排除指南。

4.多語言功能：支援125 種國際語言。 能夠有效識別產品名稱和價格。 支援每個文件使用多種語言。 支援自訂訓練資料檔。

5.進階影像處理：內建濾鏡可自動增強收據品質。 包括降噪、方向校正和DPI 優化。 篩選精靈會自動決定最佳設定。

如何在我的應用程式中實現收據OCR？

// Replace the license key variable with the trial key you obtained
IronOcr.License.LicenseKey = "REPLACE-WITH-YOUR-KEY";

// Replace the license key variable with the trial key you obtained
IronOcr.License.LicenseKey = "REPLACE-WITH-YOUR-KEY";

如何使用IronOCR讀取超市收據？

讓我們探索如何在應用程式中使用IronOCR ，該應用程式可以使用智慧型手機掃描超市收據，提取產品名稱和價格，並根據購買情況獎勵忠誠度積分。 這包括影像擷取、預處理、OCR執行以及使用結果置信度評分進行資料驗證。

我需要編寫哪些 C# 程式碼來提取收據資料？

using IronOcr;

class ReceiptScanner
{
    static void Main()
    {
        // Set the license key for IronOCR
        IronOcr.License.LicenseKey = "YOUR-KEY";

        // Instantiate OCR engine with optimal settings for receipts
        var ocr = new IronTesseract();

        // Configure for receipt-specific text
        ocr.Configuration.WhiteListCharacters = "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789.$,- ";
        ocr.Configuration.BlackListCharacters = "~`@#%^*_+={}[]|\\:;\"'<>?";

        using var inputPhoto = new OcrInput();
        inputPhoto.LoadImage("supermarketexample.jpg");

        // Apply preprocessing for better accuracy
        inputPhoto.DeNoise();
        inputPhoto.ToGrayScale();
        inputPhoto.Contrast(1.2);

        // Perform OCR on the loaded image
        OcrResult result = ocr.Read(inputPhoto);

        // Output the text extracted from the receipt
        string text = result.Text;
        Console.WriteLine(text);

        // Extract specific data using OcrResult features
        foreach (var line in result.Lines)
        {
            if (line.Text.Contains("TOTAL"))
            {
                Console.WriteLine($"Total Found: {line.Text}");
            }
        }
    }
}

using IronOcr;

class ReceiptScanner
{
    static void Main()
    {
        // Set the license key for IronOCR
        IronOcr.License.LicenseKey = "YOUR-KEY";

        // Instantiate OCR engine with optimal settings for receipts
        var ocr = new IronTesseract();

        // Configure for receipt-specific text
        ocr.Configuration.WhiteListCharacters = "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789.$,- ";
        ocr.Configuration.BlackListCharacters = "~`@#%^*_+={}[]|\\:;\"'<>?";

        using var inputPhoto = new OcrInput();
        inputPhoto.LoadImage("supermarketexample.jpg");

        // Apply preprocessing for better accuracy
        inputPhoto.DeNoise();
        inputPhoto.ToGrayScale();
        inputPhoto.Contrast(1.2);

        // Perform OCR on the loaded image
        OcrResult result = ocr.Read(inputPhoto);

        // Output the text extracted from the receipt
        string text = result.Text;
        Console.WriteLine(text);

        // Extract specific data using OcrResult features
        foreach (var line in result.Lines)
        {
            if (line.Text.Contains("TOTAL"))
            {
                Console.WriteLine($"Total Found: {line.Text}");
            }
        }
    }
}

這段程式碼示範了：

1. 導入IronOCR庫。
2. 使用設定選項實例化 OCR 引擎 (IronTesseract)。
3. 建立一個新的OcrInput來載入收據圖片。
4. 應用預處理以提高準確度。
5. 使用 Read 方法擷取文字。
6. 使用OcrResult 類別處理結構化資料的結果。

IronOCR支援讀取不同格式的收據、螢幕截圖和掃描文件。 它還可以從結構化收據中提取表格資料。

如何驗證提取資料的準確性？

為確保一致性，檢查擷取資料的置信度。 IronOCR提供多層次的全面信賴度指標：

OcrResult result = ocr.Read(inputPhoto);
string text = result.Text;
Console.WriteLine(text);
Console.WriteLine($"Overall Confidence: {result.Confidence}%");

// Check confidence for individual elements
foreach (var word in result.Words)
{
    if (word.Confidence < 80)
    {
        Console.WriteLine($"Low confidence word: '{word.Text}' ({word.Confidence}%)");
    }
}

// Validate numeric values
foreach (var block in result.Blocks)
{
    if (block.Text.Contains("$"))
    {
        Console.WriteLine($"Price detected: {block.Text} (Confidence: {block.Confidence}%)");
    }
}

OcrResult result = ocr.Read(inputPhoto);
string text = result.Text;
Console.WriteLine(text);
Console.WriteLine($"Overall Confidence: {result.Confidence}%");

// Check confidence for individual elements
foreach (var word in result.Words)
{
    if (word.Confidence < 80)
    {
        Console.WriteLine($"Low confidence word: '{word.Text}' ({word.Confidence}%)");
    }
}

// Validate numeric values
foreach (var block in result.Blocks)
{
    if (block.Text.Contains("$"))
    {
        Console.WriteLine($"Price detected: {block.Text} (Confidence: {block.Confidence}%)");
    }
}

Confidence 屬性衡量統計準確度，從 0(低)到 100(高)。 利用這些置信水準來決定如何處理資料。 對於生產系統，實施進度追蹤以監控 OCR 操作。

如何透過影像預處理提高OCR準確率？

處理影像前，請使用以下方法預處理影像，以獲得更好的處理效果：

using var inputPhoto = new OcrInput();
inputPhoto.LoadImage("receipt.jpg");

// Basic preprocessing
inputPhoto.DeNoise();           // Removes noise from the image
inputPhoto.ToGrayScale();       // Converts image to grayscale
inputPhoto.Contrast(1.5);       // Enhance contrast for faded receipts
inputPhoto.Sharpen();           // Improve text clarity

// Advanced preprocessing for challenging receipts
inputPhoto.Rotate(2.5);         // Correct slight rotation
inputPhoto.Deskew();            // Automatically straighten receipt
inputPhoto.Scale(200);          // Upscale low-resolution images

// Handle specific receipt issues
if (receiptIsDamaged)
{
    inputPhoto.Dilate();        // Thicken thin text
    inputPhoto.Erode();         // Reduce text bleeding
}

// For colored or patterned backgrounds
inputPhoto.Binarize();          // Convert to pure black and white
inputPhoto.Invert();            // Handle white text on dark background

using var inputPhoto = new OcrInput();
inputPhoto.LoadImage("receipt.jpg");

// Basic preprocessing
inputPhoto.DeNoise();           // Removes noise from the image
inputPhoto.ToGrayScale();       // Converts image to grayscale
inputPhoto.Contrast(1.5);       // Enhance contrast for faded receipts
inputPhoto.Sharpen();           // Improve text clarity

// Advanced preprocessing for challenging receipts
inputPhoto.Rotate(2.5);         // Correct slight rotation
inputPhoto.Deskew();            // Automatically straighten receipt
inputPhoto.Scale(200);          // Upscale low-resolution images

// Handle specific receipt issues
if (receiptIsDamaged)
{
    inputPhoto.Dilate();        // Thicken thin text
    inputPhoto.Erode();         // Reduce text bleeding
}

// For colored or patterned backgrounds
inputPhoto.Binarize();          // Convert to pure black and white
inputPhoto.Invert();            // Handle white text on dark background

這些預處理步驟可以提高提取精度。 篩選精靈會自動為您的收據找到最佳篩選組合。對於彩色背景的收據，顏色校正至關重要。

高級場景可能需要針對特定區域的 OCR來重點識別總數或稅務資訊。 對於帶有條碼的收據，啟用條碼讀取和文字擷取功能。

使用IronOCR進行收據處理的主要優點是什麼？

收據 OCR 技術可協助企業和個人進行預算編制、防詐騙和自動資料收集。 IronOCR具有準確度高、速度快、易於與現有平台整合等優點，是收據掃描解決方案的理想選擇。

主要優勢包括：

1.效能最佳化：透過多執行緒和速度調優，高效處理數千張收據。

2.匯出彈性：將收據轉換為可搜尋的 PDF或hOCR HTML ，以便整合到 Web 中。

3.企業功能：部署到Azure 、 Docker和Linux 伺服器以實現可擴充性。

4.專業識別：閱讀收據上的手寫筆記並提取表格結構。

5.調試工具：突出顯示文字視覺化和結果導出功能有助於故障排除。

試用 IronOCR 的試用許可證，探索其各項功能。 全面的文件和程式碼範例可協助您快速實現收據 OCR。